mis*_*tim 5 statistics artificial-intelligence classification bayesian bayesian-networks
我正在考虑编写一个小库,从预定的候选列表中猜出(RGB值)颜色的名称.
我的第一次尝试纯粹基于三维RGB颜色空间内的毕达哥拉斯距离 - 这并不是大规模成功,因为大多数命名颜色点位于空间的边缘(例如蓝色在0,0,255),所以,对于空间中间的大多数颜色,它最接近的命名颜色是相当随意的.
所以,我正在考虑更好的方法,并提出了一些候选人
HSV色彩空间内的圆柱形距离 - 可能与上述类似的问题,然而,HSV似乎在人类意义上比RGB更有意义,这可能是有用的.
上述任何一种,但每个命名的色点用一个任意值加权,该值表示其对周围空间中的点的吸引力.这样的模型有名字吗？我意识到这有点模糊,但对我来说这似乎是一个相当直观的想法.
一个贝叶斯网络,它检查HSV颜色的属性并返回最可能的颜色名称(我想象的节点类似于,例如P(黑色|饱和度<10),P(红色|色调= 0),但是,这似乎不太理想 - 例如,给定颜色为红色的概率与其色调与0的接近程度成正比,而不是离散值.是否有一种方法可以调整贝叶斯网络来处理连续的概率变量被测试？
最后,我想知道在HSV或RGB色彩空间内是否有某种基于支持向量机的分类,但对这些并不是非常熟悉,我不确定这是否会比基于毕达哥拉斯距离的方法提供任何特别的优势我最初尝试过,特别是因为我只处理三维空间.
因此,我想知道,您是否有任何类似问题的经验,或者知道任何可能帮助我决定方法的资源？如果有人能指出我正确的方向(无论是上述之一,还是完全不同的东西),我将非常感激.
干杯!
蒂姆
| 归档时间： |
|
| 查看次数： |
273 次 |
| 最近记录： |